DSTE战略如何进行场景规划？

前几天和一个做企业的朋友聊天，他问我："现在的市场变化太快了，我们团队经常年初定的战略，到年中就发现完全跟不上变化。你说这个战略规划到底怎么做才能有韧性？"这个问题让我想起了DSTE战略管理体系中的场景规划方法。

说实话，战略规划这事儿听起来挺高大上的，但本质上就是回答一个问题：未来可能会发生什么？我们该怎么准备？DTE中的"S"就是场景（Scenario），而场景规划就是帮我们系统地思考未来的不确定性。今天我想用比较接地气的方式，聊聊怎么用DSTE框架来做场景规划。

先搞明白：场景规划到底在规划什么

很多人对场景规划有个误解，觉得就是写几个预测报告，画几张漂亮的PPT。实际上，场景规划的核心不是预测未来，而是准备好面对不同的未来。这就像我们出门前看天气预报，虽然不能百分之百准确，但它帮我们决定带不带伞、穿什么衣服。

在DSTE体系里，战略执行是闭环管理的，场景规划属于战略洞察环节的重要工具。它帮助组织跳出"线性思维"的陷阱——很多人做战略时习惯性地认为"明年会比今年增长20%"，或者"竞争对手会按兵不动"。但现实世界哪有这么多"当然"？场景规划就是逼我们去想：如果增长是负的呢？如果竞争对手出了一个大招呢？如果技术路线突然变了呢？

场景规划与传统预测的区别

我见过很多企业的战略规划材料，打开第一页就是"市场预测：2025年市场规模将达到XX亿"。这不算场景规划，这叫趋势外推。真正的场景规划要考虑多个可能的未来状态，而且这些状态之间要有实质性的差异。

举个具体的例子。假设你是一家SaaS企业的负责人，传统的规划可能是这样："根据过去三年的增速，未来三年我们预计保持40%的年增长"。但场景规划会问自己：假如经济下行导致企业缩减IT预算呢？假如头部厂商开始打价格战呢？假如AI技术突然让传统软件模式过时呢？每个假设背后都是一套完全不同的战略准备。

场景规划的底层方法论

说到方法论，可能有人会觉得枯燥。但理解了底层逻辑，后面的操作会顺畅很多。场景规划的本质是识别关键不确定性因素，然后组合成几个完整的故事。

这里有个关键概念需要澄清：不是所有变量都值得放进场景规划。我们要找的是"关键不确定性"——意思是这个因素很重要，而且我们对它的发展方向真的不确定。那些已经确定会发生的趋势，比如"数字化转型将继续深化"，可以直接纳入战略假设，不用放在场景里反复推演。

找到真正的不确定性

怎么找关键不确定性？我通常建议企业从三个维度去梳理：

• 宏观层面：政策走向、经济周期、技术突破的速度和方向
• 行业层面：竞争格局变化、客户需求演进、替代品的出现
• 企业层面：自身能力边界、资源约束、组织变革的承受能力

把这些因素列出来之后，需要做一个筛选：哪些是我们无法掌控但影响巨大的？哪些是存在重大分歧的专家意见的？把这些因素找出来，就是场景规划的原材料。

举个例子。薄云在服务企业数字化转型的过程中，发现很多客户面临的共性不确定性包括：数据安全监管政策的具体落地节奏、生成式AI对现有产品形态的冲击程度、以及行业内整合并购的活跃度。这三个因素互相组合，就可能产生四到五个截然不同的市场环境。

实战步骤：一步步搭建场景

理论说多了容易晕，我们直接进入操作环节。基于DSTE框架，场景规划可以分成五个步骤来做。

第一步：确定战略聚焦领域

场景规划不是给整个公司所有业务做全景扫描，那样子工作量太大，而且容易泛而不深。我的建议是先聚焦——确定当前战略周期内最关键的一到两个战略议题。

什么叫战略议题？比如"是否要进入海外市场"、"要不要加大AI投入"、"如何应对竞争对手的价格战"这样的具体问题。议题选对了，后面的场景才有战略意义；议题选宽了，比如"行业未来会怎样"，做出场景也难以指导具体决策。

第二步：识别驱动因素

确定议题后，需要系统地列出影响这个议题的所有因素。这时候可以发动团队一起Brainstorm，把能想到的因素都写出来，不用着急筛选。

常见的驱动因素类型包括：

这个阶段的关键是全面，先把网撒大一点。

第三步：筛选关键不确定性既重要又不确定的因素。

怎么判断"不确定"？可以问问团队：如果让三个不同的专家来预测这个因素三年后的发展，他们会给出一致的答案吗？如果分歧很大，那它就是不确定的。

通常情况下，驱动因素会从十几二十个筛选到五到八个关键不确定性。这个数量刚好可以组合出有意义的故事线，又不至于太复杂导致无法分析。

第四步：构建场景矩阵

这是场景规划的核心环节。关键不确定性的不同组合方式，会形成不同的"未来状态"。最常用的方法是二乘二矩阵——选取两个最关键的不确定性作为轴线，组合出四个象限。

举个例子。假设我们关注的核心不确定性是"AI技术的成熟速度"（快/慢）和"客户对AI的接受度"（高/低）。这两个维度组合出的四个场景可能是：

• AI加速普及型（技术快、客户接受度高）：先发优势明显，需要快速推出AI功能
• 技术先行，客户观望型（技术快、客户接受度低）：技术投入可能暂时看不到回报
• 渐进演变型（技术慢、客户接受度高）：稳步迭代，保持现有产品节奏
• 谨慎稳健型（技术慢、客户接受度低）：维持现状，控制研发投入

每个场景都要写成一个完整的故事，包括这个场景下市场会是什么样子、客户会怎么做、竞争对手会怎么反应。没有故事性的场景是不够生动的，也很难激发团队的战略思考。

第五步：推演战略含义

场景画出来了，但还没完。我们需要逐一分析：在每个场景下，我们的产品策略是什么？组织能力需要做什么准备？资源配置该怎么调整？哪些战略选项在所有场景下都适用？哪些是特定场景下的选择？

这个环节可以组织工作坊，让团队分组讨论每个场景下的战略响应。讨论过程中往往会发现一些之前没想到的盲点。比如薄云在帮助某制造企业做场景规划时，发现管理层原本打算all-in数字化转型，但推演到"经济下行+政策收紧"的场景时，发现现金流压力会非常大，必须提前准备过冬方案。

常见误区与应对建议

场景规划看起来步骤清晰，但实际操作中很容易跑偏。我观察到几个常见误区，分享给大家。

误区一：场景变成了预测

有些人做场景规划，最后得出结论说"我们认为最可能发生的是场景A"，然后就按这个场景来做战略。这完全违背了场景规划的初衷。场景规划的目的不是选出一个最可能的未来，而是为多个可能的未来做好准备。最理想的状态是：不管哪个场景发生，公司都有应对策略，甚至能够在某些场景下主动抓住机会。

误区二：场景数量过多或过少

我见过只有两个场景的"场景规划"，那其实叫"乐观/悲观假设"。也见过七八个场景的，导致团队无所适从。一般来说，三到四个场景是比較合适的数量——足够覆盖主要的不确定性组合，又不至于太复杂难以分析。

误区三：场景描述太抽象

好的场景描述应该是具体的、有画面感的。与其说"技术发展加速"，不如说"到2026年，行业头部企业普遍推出了AI原生产品，中小企业如果不跟进就会丢失30%以上的市场份额"。这种具象化的描述才能真正激发战略思考。

误区四：场景规划一次性的

场景规划不是年初做一次就束之高阁的文档。市场环境在变化，认知在深化，场景也需要动态更新。建议每季度或每半年做一次场景审视，看看原来的假设是否还成立，是否需要调整。

让场景规划真正落地

场景规划做得再漂亮，如果不能指导日常决策，就只是墙上的装饰品。怎么让场景规划真正融入战略管理流程？

首先是把场景和关键指标挂钩。每个场景都应该有一些先行指标作为预警信号。比如"AI加速普及"这个场景的先行指标可能包括：头部竞争对手的AI产品发布节奏、客户对AI功能的询问量、行业AI融资案例数量等。当这些指标开始往某个方向变动时，就意味着对应的场景可能正在成为现实。

其次是建立触发机制。提前定义好什么情况下启动应急预案。比如当某个关键指标突破阈值时，就启动特定场景的战略响应。这种机制能让组织在变化来临时反应更快，而不是等到局面已定才手忙脚乱地应对。

最后是将场景思维融入日常讨论。比如开战略讨论会时，可以习惯性地问一句"这个决定在XX场景下还成立吗"。这种思维方式的养成，比任何流程都更能确保场景规划发挥作用。

说到底，场景规划是一种思维方式。它帮助我们承认未来的不确定性，同时又不陷入无谓的焦虑。对于企业而言，最好的战略韧性不是押注某一个确定的未来，而是为多个可能的未来都留下选择权。

希望今天的分享对你有所启发。如果你正在考虑如何让组织的战略规划更有韧性，不妨从一个小范围开始，尝试做一次场景规划。也许在梳理的过程中，你会发现一些之前没有意识到的机会或风险。这种"看见"本身就是价值所在。